Google 在美國時間 9/30 推出新一代旗艦模型 Gemini 4 Argon，這也是自 2025 年 11 月 Gemini 3 系列後，睽違近一年再更新的最高階模型。而原訂今年 6 月推出的 Gemini 3.5 Pro 最終取消，Google 直接進入 Gemini 4 世代。
《Axios》指出，在這段期間，Google 主要推出速度更快、成本更低的 Flash 模型，OpenAI、Anthropic 則持續更新前沿模型，Gemini 4 因此也肩負 Google 重返最高階模型競爭的任務。Google 將 Argon 稱為目前為複雜工作負載打造、效能最高的模型。其發言人向《Reuters》表示，它在關鍵程式設計與資安測試上的表現，可與 OpenAI Astra、Anthropic Opus 等前沿模型相比。
Argon 並非全面領先，Agent 能力進步更值得看
Google 公布的測試中，Argon 在衡量長時間真實軟體工程任務的 DeepSWE v1.1 拿下 77.9%，高於 Astra 的 74.1% 與 Opus 5.5 的 74.2%；但在測試真實軟體專案除錯與修改能力的 FrontierSWE v2，Argon 僅有 55%，低於 Astra 的 65.5%；在測試 AI Agent 透過終端機完成多步驟開發與系統任務的 Terminal-Bench 4.0，57.4% 也低於 Opus 5.5 的 66.4%。
第三方評測也顯示，Argon 的進步尤其集中在 Agent 能力。Artificial Analysis 指出，過去相對是 Gemini 弱項的 Agent 工作，這一代已有明顯提升：Argon High 在整體 Intelligence Index 得到 53 分；在衡量 Agent 執行企業流程能力的 AutomationBench-AA 更取得 77.5%、排名第一。不過，其他 Agent 測試並非都占優勢，例如 Terminal-Bench 4.0 僅有 57%，仍落後部分 OpenAI、Anthropic 模型。
Output Token 一口氣拉高到 100 萬
比起又一次模型排名，Gemini 4 Argon 還有一項更特殊的設計：Google 將 Output Token（輸出詞元）上限從 64K 一口氣拉高到 100 萬。這和過去常見的百萬 Context Window（上下文視窗）不同，後者代表模型一次能讀進多少資料，Output Token 則決定模型單次能持續產生多少文字、程式碼與其他輸出，也為更長的 Agent 工作流程留下更大的執行空間。
Google 展示的案例也不是生成更長文章，而是處理更大型的實際工作。官方表示，一組 Argon Agent（代理）分析 Google 資料中心的效能資料，自主找出並套用記憶體最佳化方法，目前已釋放超過 300 TiB 記憶體；另一批 Agent 則協助把 C/C++ 程式碼遷移到 Rust，規模一路擴大到超過 80 萬行的 Fuchsia Zircon kernel。
100 萬輸出 token 的意義，因此不只是讓 AI 工作更久，而是放大模型一次能承接的工作規模。原本可能需要拆成多輪模型呼叫、不同工具或由人員中途接手的工作，Google 正嘗試讓模型沿著同一條工作路徑完成更多步驟。
工作單位變大，Google 瞄準哪些企業任務？
這也解釋了為什麼 Argon 的應用場景集中在軟體工程、資安、金融與法律。這些工作的共同特徵，是資料量大、流程長，而且一次任務往往包含分析、判斷到實際產出。Google 也特別強調 Argon 在多步驟金融研究、法律研究與文件草擬等工作上的能力。
《VentureBeat》分析，對程式碼遷移、稽核、法律審查等工作來說，更長的輸出能力可以減少模型中途停下、重新取得脈絡或交回人類處理的次數。對企業來說，真正的差別在於，原本需要多次模型呼叫或人工接手的任務，是否能被壓縮成更連續的 AI 工作流程。
能做更多事，但還沒立即全面開放
不過，Argon 發布後並未立即向所有開發者或消費者開放。Google 先透過 Fairwind Program 提供給經過審核的資安防禦團隊，並參與美國政府的模型預先存取自願機制，之後才預計擴大至付費 API 客戶、企業與 Google AI Ultra 用戶。
Google 也把這種長流程能力率先放進資安場景。Google 表示，Argon 能自行尋找、驗證並修補軟體漏洞；對受信任的資安團隊，還會提供減少部分 Cyber Guardrails（資安防護限制）的版本。另一方面，模型自主執行的工作越長，一旦偏離原本任務，影響也可能跟著擴大，因此 Google 同時強化 Prompt Injection（提示詞注入）防禦、模型行為監測與 Sandbox（沙箱）隔離。
Gemini 4 Argon 接下來真正需要驗證的，因此不是 100 萬 token 能不能跑滿，而是任務拉長之後，AI 能否減少中途接手與工作拆分，同時把錯誤、人工介入與推論成本控制在企業可接受的範圍內。
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ OpenAI 推出 Dots 到底新在哪？AI Agent 正從「接任務」走向「接責任」
＊本文開放合作夥伴轉載，資料來源：《AXIOS》、《VentureBeat》、Google、Artificial Analysis，首圖來源：Google
